bab ii tinjauan pustaka 2.1. pemodelan farmakokinetika ... ii.pdfΒ Β· waktu paruh eliminasi obat (...
TRANSCRIPT
5
BAB II
TINJAUAN PUSTAKA
2.1. Pemodelan Farmakokinetika Kompartemen
Pemodelan persamaan kadar plasma obat sebagai fungsi waktu, πΆπ(π‘)
umumnya diasumsikan pada dua macam model, yaitu model 1 kompartemen dan
2 kompartemen. Model tersebut berbeda-beda tergantung pada rute administrasi
obat. Berikut model persamaan umum πΆπ(π‘) pada model 1 dan 2 kompartemen
baik pada rute intravena dan per-oral (Shargel and Yu, 2005; Jambhekar and
Breen, 2009; Koch, 2012).
a. Intravena model 1 kompartemen
atau
πΆπ π‘ =π·
πππβπΎπ‘
πΆπ π‘ = π· β π΄ππ£πβπΎπ‘
(Pers. 1)
b. Intravena model 2 kompartemen
atau
πΆπ π‘ = π· π21 β πΌ
ππ π½ β πΌ πβπΌπ‘ +
π21 β π½
ππ πΌ β π½ πβπ½π‘
πΆπ π‘ = π· π΄ππ£πβπΌπ‘ + π΅ππ£π
βπ½π‘
(Pers. 2)
c. Per-oral model 1 kompartemen
atau
πΆπ π‘ = π· πΎπππ πΉ
ππ ππππ β πΎ πβππ‘ β
πΎπππ πΉ
ππ ππππ β πΎ πβπΎπππ π‘
πΆπ π‘ = π· π΅πππβππ‘ β π΄ππ π
βπΎπππ π‘
(Pers. 3)
d. Per-oral model 2 kompartemen
atau
πΆπ π‘ = π· ππππ πΉ π21βπΌ
ππ ππππ βπΌ π½βπΌ πβπΌπ‘ +
ππππ πΉ π21βπ½
ππ ππππ βπ½ πΌβπ½ πβπ½π‘ β
ππππ πΉ ππππ βπ21
ππ ππππ βπΌ ππππ βπ½ πβππππ π‘
πΆπ π‘ = π· π΄ππ πβπΌπ‘ + π΅ππ π
βπ½π‘ β πΆππ πβππππ π‘
(Pers. 4)
6
Selain pemodelan juga terdapat parameter-parameter farmakokinetika penting
yang sering muncul pada data publikasi farmakokinetika pre-klinik maupun
klinik. Berikut persamaan parameter farmakokinetika diantaranya (ket: 1k = 1
kompartemen; 2k = 2 kompartemen; i.v. = intravena; p.o. = per-oral):
a. Kadar plasma mula-mula pada administrasi secara intravena (πΆπ(0))
1k, i.v. πΆπ 0 = π΄ππ£ =π·
ππ (Pers. 5)
2k, i.v. πΆπ 0 = π· π΄ππ£ + π΅ππ£ (Pers. 6)
b. Waktu paruh eliminasi obat (π‘1/2)
1k π‘1/2 =ln 2
πΎ (Pers. 7)
2k π‘1/2 =ln 2
πΎ10 (Pers. 8)
c. Luas daerah dibawah kurva dari waktu 0 sampai π‘ satuan waktu setelah
administrasi (π΄ππΆ0π‘)
1k, i.v. π΄ππΆ0π‘ =
π·π΄ππ£
πΎ 1 β πβπΎπ‘ (Pers. 9)
2k, i.v. π΄ππΆ 0π‘ =
π·π΄ππ£
πΌ 1 β πβπΌπ‘ +
π·π΅ππ£
π½ 1 β πβπ½π‘ (Pers. 10)
1k, p.o. π΄ππΆ 0π‘ =
π·π΅ππ
πΎ 1 β πβπΎπ‘ β
π·π΄ππ
πΎπππ
1 β πβπΎπππ π‘ (Pers. 11)
2k, p.o.
π΄ππΆ 0π‘ =
π·π΄ππ
πΌ 1 β πβπΌπ‘ +
π·π΅ππ
π½ 1 β πβπ½π‘
βπ·πΆππ
πΎπππ
1 β πβπΎπππ π‘
(Pers. 12)
7
d. Luas daerah toal dibawah kurva (π΄ππΆ0β)
1k, i.v. π΄ππΆ0β =
π·π΄ππ£
πΎ (Pers. 13)
2k, i.v. π΄ππΆ 0β = π·
π΄ππ£
πΌ+
π΅ππ£
π½ (Pers. 14)
1k, p.o. π΄ππΆ 0π‘ = π·
π΅ππ
πΎβ
π΄ππ
πΎπππ (Pers. 15)
2k, p.o. π΄ππΆ 0π‘ = π·
π΄ππ
πΌ+
π΅ππ
π½β
πΆππ
πΎπππ (Pers. 16)
e. Volume distribusi kompartemen sentral (ππ)
1k, i.v. ππ =π·
πΎ π΄ππΆ 0β (Pers. 17)
2k, i.v. ππ =πΉπ·
πΎ π΄ππΆ 0β (Pers. 18)
1k, p.o. ππ =π·
πΎ10 π΄ππΆ 0β (Pers. 19)
2k, p.o. ππ =πΉπ·
πΎ10 π΄ππΆ 0β (Pers. 20)
f. Volume distribusi steady state (ππ π )
2k ππ π = 1 +πΎ12
πΎ21 ππ (Pers. 21)
g. Volume distribusi terminal (ππ½ )
2k ππ½ =πΆπ
π½ (Pers. 22)
h. Klirens (πΆπ)
1k πΆπ = πΎππ (Pers. 23)
2k πΆπ = πΎ10ππ (Pers. 24)
8
i. Waktu capai kadar plasma puncak (ππππ₯ )
1k, p.o. π‘πππ₯ =1
πΎπππ β πΎln
πΎπππ
πΎ (Pers. 25)
j. Tetapan laju intrakompartemen (πΎ12 dan πΎ21)
2k, i.v. πΎ21 =π΄ππ£π½ + π΅ππ£πΌ
π΄ππ£ + π΅ππ£ (Pers. 26)
2k, p.o. πΎ21 =π΄πππ½(πΎπππ β πΌ) + π΅πππΌ(πΎπππ β π½)
π΄ππ (πΎπππ β πΌ) + π΅ππ (πΎπππ β π½) (Pers. 27)
2k πΎ12 = πΌ + π½ β πΎ21 β πΎ10 (Pers. 28)
k. Tetapan laju eliminasi murni (πΎ10)
2k πΎ10 =πΌπ½
πΎ21 (Pers. 29)
l. Tetapan laju hibrida (πΌ dan π½)
2k
πΌ, π½ =1
2 πΎ10 + πΎ12 + πΎ21
Β± πΎ10 + πΎ12 + πΎ21 2 β 4πΎ10πΎ21
(Pers. 30)
m. Karakter parameter dasar πΆπ(π‘) per-oral
1k, p.o. π΄ππ = π΅ππ =πΎπππ πΉ
ππ ππππ β πΎ (Pers. 31)
2k, p.o. π΄ππ =πΎπππ πΉ π21 β πΌ
ππ πΎπππ β πΌ π½ β πΌ (Pers. 32)
2k, p.o. π΅ππ =πΎπππ πΉ π21 β π½
ππ πΎπππ β π½ πΌ β π½ (Pers. 33)
2k, p.o. π΄ππ + π΅ππ = πΆππ =πΎπππ πΉ πΎπππ β π21
ππ πΎπππ β πΌ πΎπππ β π½ (Pers. 34)
9
2.2. Prediksi Parameter Farmakokinetika Antar-Spesies
2.2.1. Alometri Sederhana (SA)
Alometri merupakan pemodelan yang menghubungkan data fisiologis,
anatomis, tingkah laku (Damuth, 2001), serta bentuk (Small, 1996) antar-spesies
yang berubah seiring dengan meningkatnya ukuran spesies. Secara matematis,
model alometri sederhana mengambil bentuk persamaan:
π = ππ΅ππ (Pers. 35)
dimana π merupakan data spesies yang dibuatkan model alometri, π΅π merupakan
berat badan, π merupakan koefisien alometri dan π merupakan eksponen alometri.
Untuk memperoleh model linear dapat dilakukan dengan membuat hubungan log-
log sebagai berikut:
log π = log π + π log π΅π (Pers. 36)
melalui model regresi linear diperoleh log π sebagai titik potong garis hubungan
log π dan log π΅π pada sumbu π¦ dan π sebagai slope garis linear (Boxenbaum,
1982; Mordenti et al., 1991).
Model alometri sederhana sering dimanfaatkan dalam membuat model
parameter farmakokinetika antar-spesies, seperti: klirens (πΆπ), volume distribusi
steady-state (ππ π ), volume distribusi terminal (ππ½ ), dan volume distribusi sentral
(ππ), dan kadar plasma puncak (πΆππππ₯ ) (Sinha et al., 2011; Bergh et al., 2011)
πΆπ = ππ΅ππ₯ (Pers. 37)
ππ½ = ππ΅ππ¦ (Pers. 38)
ππ π = ππ΅ππ§ (Pers. 39)
10
ππ = ππ΅ππ (Pers. 40)
πΆππππ₯
π·ππ ππ = ππ΅ππ (Pers. 41)
2.2.2. Alometri dengan Faktor Koreksi (CorA)
Model SA sering memberikan hasil yang kurang akurat dalam menetapkan
parameter farmakokinetika (Mordenti, 1986; Mahmood and Balian, 1996).
Mahmood dan Balian (1996) melakukan perbaikan terhadap model SA dalam
memprediksi πΆπ, ππ π , ππ½ , dan ππ . Model alometri terkoreksi (CorA) tersebut
memberikan persamaan alometri dengan faktor pengoreksi, seperti: fraksi obat
bebas dalam plasma (ππ’), umur maksimal spesies (ππΏπ), dan berat organ otak
spesies (π΅ππ) (Mahmood and Balian, 1996). Model CorA ini telah digunakan
pada publikasi Sinha et al (2011) dan Bergh et al (2011).
Model parameter πΆπ antar-spesies dikerjakan dengan faktor koreksi berbeda
tergantung pada nilai eksponen π₯ hubungan πΆπ dan π΅π dari model SA. Formula
digunakan, yaitu:
Jika harga π₯ < 0,7, maka:
πΆπ
ππ’= πβ²π΅ππ₯β² (Pers. 42)
Jika harga 0,7 < π₯ < 1,0, maka:
πΆπ β ππΏπ
ππ’= πβ²π΅ππβ² (Pers. 43)
Jika harga π₯ > 1, maka:
πΆπ β π΅ππ
ππ’= πβ²π΅ππ β² (Pers. 44)
11
Prediksi harga volume distribusi dengan faktor koreksi dikerjakan sebagai berikut:
ππ½
ππ’= πβ²π΅ππ¦β² (Pers. 45)
ππ π ππ’
= πβ²π΅ππ§β² (Pers. 46)
(Bergh et al., 2011; Sinha et al., 2011)
2.2.3. Wajima Scale-up
Wajima scale-up menyediakan formula untuk memprediksi πΆπ dan ππ π pada
manusia menggunakan parameter πΆπ dan ππ π dari dua spesies hewan, tikus dan
anjing. Prediksi ini juga memerlukan data fisiko-kimia obat/senyawa khusus
untuk prediksi πΆπ senyawa/obat pada manusia. Berikut formula digunakan:
log(πΆπΏππ’πππ ) = 0,433 β log(πΆπΏπππ‘ ) + 1,00 β log(πΆπΏπππ )
β 0,00627 β ππ + 0,189 β π»π β 0,00111
β log(πΆπΏπππ ) Γ ππ + 0,0000144 β ππ
Γ ππ β 0,000400 β ππ Γ π»π β 0,707
(Pers. 47)
log(ππ π ππ’πππ )
= 0,07714 β log(ππ π πππ‘ ) Γ log(ππ π πππ )
+ 0,5147 β log(ππ π πππ ) + 0,5860
(Pers. 48)
dimana MW dan Ha berturut-turut bobot molekul senyawa/obat dan jumlah atom
penerima ikatan hidrogen (Wajima et al., 2002; Wajima et al., 2003; Wajima et
al., 2004).
12
2.3. Prediksi Profil Kadar Plasma-Waktu Obat pada Manusia: Plot Dedrick
Selain memprediksi parameter farmakokinetika antar-spesies, banyak
penelitian juga dilakukan untuk memprediksi profil kadar plasma β waktu obat
antar-spesies. Dedrick et al., (1970) melakukan penelitian terhadap profil kadar
plasma-waktu metotreksat secara intravena pada 5 spesies mamalia. Penelitian
tersebut menunjukkan bahwa masing-masing kadar plasma dibagi dengan
(dosis/BW), serta titik waktu masing-masing kadar dibagi dengan π΅π0,25 dari
masing-masing spesies akan menghasilkan profil kadar plasma-waktu baru (kadar
plasma-waktu fisiologis) yang saling tumpang tindih. Model kadar plasma-waktu
fisiologis tersebut adalah:
π β ππ₯ππ =ππππ πππ‘πππ π
(πππ ππ /π΅π) (Pers. 49)
π β ππ₯ππ =π€πππ‘π’
π΅π0,25 (Pers. 50)
Hal ini menjadi dasar prediksi profil kadar plasma-waktu dengan model plot
Dedrick pada suatu spesies dengan mengalikan kembali (dosis/BW)y dan BW
y-x
spesies tersebut pada kadar plasma-waktu fisiologis.
2.3.1. Prediksi dengan Model Plot Dedrick-SA
Model plot Dedrick ini menggunakan data eksponen dari SA dan diperlukan
data π΅π hewan dan manusia. Berikut formula digunakan untuk tranformasi profil
kadar plasma-waktu pada hewan menuju manusia.
Transformasi waktu untuk manusia dari data hewan:
π‘π = π‘π π΅ππ
π΅ππ π¦βπ₯
13
π‘π = π‘π π΅ππ
π΅ππ π₯βπ¦
(Pers. 51)
Transformasi kadar plasma andrografolid untuk manusia dari data hewan:
πΆππ = πΆππ
π·π
π·π π΅ππ
π΅ππ π¦
πΆππ =πΆππ
π·π
π·π
π΅ππ
π΅ππ π¦ (Pers. 52)
dimana πΆπ, π‘, π΅π, π₯, dan π¦ berturut-turut kadar plasma, waktu, berat badan,
eksponen prediksi πΆπ dengan simple alometry, dan eksponen prediksi ππ½ dengan
SA. Subskrip π dan π berturut-turut menunjukkan parameter manusia dan hewan
(Bergh et al., 2011).
Untuk memperoleh prediksi parameter farmakokinetika manusia, akan
diperlukan proses fitting transformasi langsung kadar-waktu manusia dari data
hewan. Hal ini akan menghasilkan model parameter yang kedekatannya diukur
secara statistik yang nilainya tergantung pada kedekatan profil kadar plasma-
waktu parameter hasil fitting dengan profil yang diamati. Untuk menghindari
penyimpangan/error, maka lebih baik tranformasi dimulai langsung dari
parameter farmakokinetika hewan manuju manusia.
Data model farmakokinetika pre-klinik untuk model kompartemen paling
banyak berada dalam model 1 dan 2 kompartemen. Parameter yang ditranformasi
meliputi semua parameter dalam model kadar plasma sebagai fungsi waktu.
Formula untuk transformasi parameter tersebut ditetapkan melalui turunan
berikut:
14
Tranformasi untuk model 1 kompartemen:
πΆππ π‘ = π·π
1
ππππβπΎπ π‘π
πΆππ π‘ = π·π 1
πππ
π·π
π·π π΅ππ
π΅ππ π¦
exp β πΎπ π΅ππ
π΅ππ π₯βπ¦
π‘π
πΆππ π‘ = π·π 1
πππ π΅ππ
π΅ππ π¦
exp β πΎπ π΅ππ
π΅ππ π₯βπ¦
π‘π
Persamaan diatas merupakan hasil transformasi kadar plasma sebagai fungsi
waktu untuk manusia (dari data hewan) yang secara teoritis equivalen dengan
model dibawah ini.
πΆππ π‘ = π·π
1
πππexp βπΎππ‘π
Maka, formula transformasi untuk prediksi parameter i.v. model 1 kompartemen
manusia dari data hewan dengan Dedrick-SA, yaitu:
1
πππ=
1
πππ π΅ππ
π΅ππ π¦
(Pers. 53)
πΎπ = πΎπ π΅ππ
π΅ππ π₯βπ¦
(Pers. 54)
Transformasi untuk model 2 kompartemen:
πΆππ π‘ = π·π π΄ππ£ππβπΌπ π‘π + π΅ππ£ππ
βπ½π π‘π
πΆππ π‘
π·π
π·π π΅ππ
π΅ππ π¦ = π·π π΄ππ£π exp βπΌπ
π΅ππ
π΅ππ π₯βπ¦
π‘π + π΅ππ£π exp βπ½π π΅ππ
π΅ππ π₯βπ¦
π‘π
πΆππ π‘ = π·π π΄ππ£π
π·π
π·π
π΅ππ
π΅ππ
π¦
exp β πΌπ π΅ππ
π΅ππ
π₯βπ¦
π‘π + π΅ππ£π
π·π
π·π
π΅ππ
π΅ππ
π¦
exp β π½π π΅ππ
π΅ππ
π₯βπ¦
π‘π
πΆππ π‘ = π·π π΄ππ£π π΅ππ
π΅ππ
π¦
exp β πΌπ π΅ππ
π΅ππ
π₯βπ¦
π‘π + π΅ππ£π π΅ππ
π΅ππ
π¦
exp β π½π π΅ππ
π΅ππ
π₯βπ¦
π‘π
Persamaan diatas merupakan hasil transformasi kadar plasma sebagai fungsi
waktu untuk manusia (dari data hewan) yang secara teoritis equivalen dengan
model dibawah ini.
15
πΆππ π‘ = π·π π΄ππ£π exp(βπΌππ‘π) + π΅ππ£π exp βπ½ππ‘π
Maka, formula transformasi untuk prediksi parameter i.v. model 2 kompartemen
manusia dari data hewan dengan Dedrik-SA, yaitu:
π΄ππ£π = π΄ππ£π π΅ππ
π΅ππ π¦
(Pers. 55)
π΅ππ£π = π΅ππ£π π΅ππ
π΅ππ π¦
(Pers. 56)
πΌπ = πΌπ π΅ππ
π΅ππ π₯βπ¦
(Pers. 57)
π½π = π½π π΅ππ
π΅ππ π₯βπ¦
(Pers. 58)
2.3.2. Prediksi dengan Model Plot Dedrick-CorA
Model plot Dedrick ini menggunakan data eksponen dari SA yang dikoreksi
berdasarkan harga eksponen hasil SA data πΆπ (π₯) dan diperlukan data π΅π hewan
dan manusia. Berikut formula digunakan untuk tranformasi profil kadar plasma-
waktu pada hewan menuju manusia.
Transformasi waktu untuk manusia dari data hewan:
Jika harga π₯ < 0,7, maka:
π‘π = π‘π π΅ππ
π΅ππ π¦β²βπ₯β²
(Pers. 59)
Jika harga 0,7 < π₯ < 1,0, maka:
π‘π = π‘πππΏππ
ππΏππ π΅ππ
π΅ππ π¦β²βπβ²
(Pers. 60)
16
Jika harga π₯ > 1, maka:
π‘π = π‘ππ΅πππ
π΅πππ π΅ππ
π΅ππ π¦ β² βπ β²
(Pers. 61)
Transformasi kadar plasma untuk manusia dari data hewan:
πΆππ = πΆππ
π·π
π·π.ππ’π
ππ’π π΅ππ
π΅ππ π¦β²
(Pers.62)
dengan πΆπ, π‘, π΅π, (π₯β², πβ², π β²) dan π¦β² berturut-turut kadar plasma, waktu, berat
badan, eksponen prediksi πΆπ dengan CorA, dan eksponen prediksi ππ½ dengan
CorA. Subskrip π dan π berturut-turut menunjukkan parameter manusia dan
hewan (Bergh et al., 2011).
Model ini juga perlu dilakukan transformasi dari parameter dalam model
kadar plasma sebagai fungsi waktu. Berikut sampel turunan formula untuk model
Dedrick-CorA jika harga π₯ > 1:
Tranformasi untuk model 1 kompartemen:
πΆππ π‘ = π·π
1
ππππβπΎπ π‘π
πΆππ
π·π
π·π
ππ’π
ππ’π
π΅ππ
π΅ππ π¦ β²
= π·π
1
πππexp βπΎπ
π΅πππ
π΅πππ π΅ππ
π΅ππ π β²βπ¦ β²
π‘π
πΆππ = π·π 1
πππ
π·π
π·π
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
exp β πΎπ
π΅πππ
π΅πππ π΅ππ
π΅ππ π β²βπ¦ β²
π‘π
πΆππ = π·π 1
πππ
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
exp β πΎπ
π΅πππ
π΅πππ π΅ππ
π΅ππ π β²βπ¦ β²
π‘π
Persamaan diatas merupakan hasil transformasi kadar plasma sebagai fungsi
waktu untuk manusia (dari data hewan) yang secara teoritis equivalen dengan
model dibawah ini.
17
πΆππ π‘ = π·π
1
πππexp βπΎππ‘π
Maka, formula transformasi untuk prediksi parameter i.v. model 1 kompartemen
manusia dari data hewan dengan Dedrick-SA, yaitu:
1
πππ=
1
πππ
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
(Pers. 63)
πΎπ = πΎπ
π΅πππ
π΅πππ π΅ππ
π΅ππ π β²βπ¦ β²
(Pers. 64)
Transformasi untuk model 2 kompartemen:
πΆππ π‘ = π·π π΄ππ£ππβπΌπ π‘π + π΅ππ£ππ
βπ½π π‘π
πΆππ
π·π
π·π
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
= π·π π΄ππ£π exp βπΌπ
π΅πππ
π΅πππ π΅ππ
π΅ππ π β²βπ¦ β²
π‘π + π΅ππ£π exp βπ½π
π΅πππ
π΅πππ π΅ππ
π΅ππ π β²βπ¦ β²
π‘π
πΆππ = π·π π΄ππ£π
π·π
π·π
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
exp βπΌπ
π΅πππ
π΅πππ π΅ππ
π΅ππ π β²βπ¦ β²
π‘π + π΅ππ£π
π·π
π·π
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
exp βπ½π
π΅πππ
π΅πππ π΅ππ
π΅ππ π β²βπ¦ β²
π‘π
πΆππ = π·π π΄ππ£π
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
exp β πΌπ
π΅πππ
π΅πππ π΅ππ
π΅ππ π β²βπ¦ β²
π‘π + π΅ππ£π
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
exp β π½π
π΅πππ
π΅πππ π΅ππ
π΅ππ π β²βπ¦ β²
π‘π
Persamaan diatas merupakan hasil transformasi kadar plasma sebagai fungsi
waktu untuk manusia (dari data hewan) yang secara teoritis equivalen dengan
model dibawah ini.
πΆππ π‘ = π·π π΄ππ£π exp(βπΌππ‘π) + π΅ππ£π exp βπ½ππ‘π
Maka, formula transformasi untuk prediksi parameter i.v. model 2 kompartemen
manusia dari data hewan dengan Dedrik-SA, yaitu:
π΄ππ£π = π΄ππ£π
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
(Pers. 65)
π΅ππ£π = π΅ππ£π
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
(Pers. 66)
πΌπ = πΌπ
π΅πππ
π΅πππ π΅ππ
π΅ππ π β²βπ¦ β²
(Pers. 67)
18
π½π = π½π
π΅πππ
π΅πππ π΅ππ
π΅ππ π β²βπ¦ β²
(Pers. 68)
Dengan cara yang sama, untuk harga π₯ < 0,7 diperoleh formula transformasi
parameter:
Tranformasi untuk model 1 kompartemen:
1
πππ=
1
πππ
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
(Pers. 69)
πΎπ = πΎπ π΅ππ
π΅ππ π₯β²βπ¦ β²
(Pers. 70)
Tranformasi untuk model 2 kompartemen:
π΄ππ£π = π΄ππ£π
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
(Pers. 71)
π΅ππ£π = π΅ππ£π
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
(Pers. 72)
πΌπ = πΌπ π΅ππ
π΅ππ π₯β²βπ¦ β²
(Pers. 73)
π½π = π½π π΅ππ
π΅ππ π₯β²βπ¦ β²
(Pers. 74)
Dengan cara yang sama, untuk harga 0,7 < π₯ < 1 diperoleh formula tranformasi
parameter:
Tranformasi untuk model 1 kompartemen:
1
πππ=
1
πππ
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
(Pers. 75)
πΎπ = πΎπ
ππΏππππΏππ
π΅ππ
π΅ππ π β²βπ¦ β²
(Pers. 76)
19
Tranformasi untuk model 2 kompartemen:
π΄ππ£π = π΄ππ£π
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
(Pers. 77)
π΅ππ£π = π΅ππ£π
ππ’π
ππ’π π΅ππ
π΅ππ π¦ β²
(Pers. 78)
πΌπ = πΌπ
ππΏππππΏππ
π΅ππ
π΅ππ π β²βπ¦ β²
(Pers. 79)
π½π = π½π
ππΏππππΏππ
π΅ππ
π΅ππ π β²βπ¦β²
(Pers. 80)
2.4. Prediksi Profil Kadar Plasma-Waktu Obat pada Manusia: Css-MRT
Metode ini dikerjakan dengan terlebih dahulu membuat profil kadar plasma-
waktu yang dinormalisasi (normalized curve) terhadap sekumpulan data
farmakokinetika hewan melalui pembagian kadar plasma (sumbu π¦) dibagi
dengan kadar plasma steady-state (πΆπ π ) dan profil waktu (sumbu π₯) dibagi dengan
mean time residence (MRT) dari masing-masing spesies. Kurva ternormalisasi
dari masing-masing spesies diamati. Secara ideal, kurva ternormalisasi dari tiap
spesies akan saling tumpang tindih atau mirip saat diplot bersama. Transformasi
profil menuju kadar plasma-waktu manusia selanjutnya dikerjakan dengan
mengalikan πΆπ π manusia dengan kadar plasma kurva ternormalisasi dan
mengalikan MRT manusia dengan tiap titik waktu dari kurva ternormalisasi.
Parameter Css dan MRT manusia diperoleh melalui prediksi, baik dengan SA.
CorA maupun dengan Wajima scale-up (Wajima et al., 2004; Bergh et al., 2011).
Berdasarkan uraian ini, setelah memprediksi harga πΆπ dan ππ π manusia maka
20
tranformasi profil kadar plasma-waktu dari data hewan menuju manusia adalah
sebagai berikut:
π‘π = π‘πππ ππ
ππ ππ= π‘π
ππ π π/πΆππππ π π/πΆππ
π‘π = π‘πππ π π/πΆππππ π π/πΆππ
(Pers. 81)
Sedangkan, untuk transformasi kadar plasma, yaitu:
πΆππ = πΆππ
πΆπ π π
πΆπ π π= πΆππ
π·π/ππ π π
π·π/ππ π π
πΆππ =πΆππ
π·π /ππ π π
π·π /ππ π π
(Pers. 82)
Menggunakan kedua formula ini diturunkan persaman utnuk transformasi
parameter dalam persamaan kadar plasma sebagai fungsi waktu:
Tranformasi untuk model 1 kompartemen:
πΆππ π‘ = π·π
1
ππππβπΎπ π‘π
πΆππ π‘ π·π /ππ π π
π·π /ππ π π
= π·π
1
πππexp βπΎπ
ππ π π/πΆππππ π π/πΆππ
π‘π
πΆππ π‘ = π·π
1
πππ
π·π/ππ π π
π·π/ππ π πexp βπΎπ
ππ π π/πΆππππ π π/πΆππ
π‘π
πΆππ π‘ = π·π
1
πππ
ππ π πππ π π
exp βπΎπ
ππ π π/πΆππππ π π/πΆππ
π‘π
Persamaan diatas merupakan hasil transformasi kadar plasma sebagai fungsi
waktu untuk manusia (dari data hewan) yang secara teoritis equivalen dengan
model dibawah ini.
πΆππ π‘ = π·π
1
ππππβπΎπ π‘π
21
Sehingga parameter i.v. model 1 kompartemen untuk manusia diperoleh:
1
πππ=
1
πππ
ππ π πππ π π
(Pers. 83)
πΎπ = πΎπ
ππ π π/πΆππππ π π/πΆππ
(Pers. 84)
Tranformasi untuk model 2 kompartemen:
πΆππ π‘ = π·π π΄ππ£ππβπΌπ π‘π + π΅ππ£ππ
βπ½π π‘π
πΆππ π‘ π·π /ππ π π
π·π /ππ π π
= π·π π΄ππ£π exp βπΌπ
ππ π π/πΆππππ π π/πΆππ
π‘π + π΅ππ£π exp βπ½π
ππ π π/πΆππππ π π/πΆππ
π‘π
πΆππ π‘ = π·π π΄ππ£ππ·π /ππ π π
π·π /ππ π πexp βπΌπ
ππ π π /πΆππ
ππ π π /πΆπππ‘π + π΅ππ£π
π·π /ππ π π
π·π /ππ π πexp βπ½π
ππ π π /πΆππ
ππ π π /πΆπππ‘π
πΆππ π‘ = π·π π΄ππ£πππ π π
ππ π πexp βπΌπ
ππ π π /πΆππ
ππ π π /πΆπππ‘π + π΅ππ£π
ππ π π
ππ π πexp βπ½π
ππ π π /πΆππ
ππ π π /πΆπππ‘π
πΆππ π‘ = π·π π΄ππ£π exp(βπΌππ‘π) + π΅ππ£π exp βπ½ππ‘π
Parameter i.v. model 2 kompartemen untuk manusia dari data hewan adalah:
π΄ππ£π = π΄ππ£π
ππ π πππ π π
(Pers. 85)
π΅ππ£π = π΅ππ£π
ππ π πππ π π
(Pers. 86)
πΌπ = πΌπ
ππ π π/πΆππππ π π/πΆππ
(Pers. 87)
π½π = π½π
ππ π π/πΆππππ π π/πΆππ
(Pers. 88)
2.5. Prediksi Bioavailabilitas Absolut
Data farmakokinetika suatu obat/senyawa pada sebagian besar penelitian
lebih banyak memberikan profil farmakokinetika rute per-oral baik pada hewan
22
maupun manusia. Klirens oral (πΆπ/πΉ) merupakan salah satu parameter penting
dalam model farmakokinetika per-oral. Hal ini menyebabkan perlunya prediksi
terhadap bioavailabilitas absolut (πΉ) suatu obat secara per-oral guna menetapkan
harga klirens (πΆπ) termasuk parameter lainnya. Pada studi oleh Mahmood (2000),
melakukan pendekatan harga bioavailabilitas absolut dengan beberapa metode
yang berbeda, salah satunya dengan pendekatan alometri hubungan
bioavailabilitas absolut dengan berat badan. metode tersebut dikerjakan dengan
data πΆπππ£ (πΆπ), πΆπππ (πΆπ/πΉ), berat badan (π΅π) dan laju alir hepatik (π)
menggunakan persamaan dibawah ini (Mahmood, 2000):
πΆπ/πΉ = π’π΅ππ£ (Pers. 89)
πΉ = πΆπππ£/πΆπππ (Pers. 90)
πΉ = 1 βπΆπππ£π
(Pers. 91)
πΉ =π
π + πΆπππ (Pers. 92)
πΉ juga dapat diperoleh dengan menurunkan formula kadar plasma sebagai
fungsi waktu secara matematis. Pada model 1 kompartemen diperoleh persmaaan:
πΆπ π‘ =ππππ πΉπ·ππ
ππ ππππ β π (πβππ‘ β πβππππ π‘)
πΉ =πΆπ π‘ ππ ππππ β π
ππππ π·ππ (πβππ‘ β πβππππ π‘)
Syarat untuk memperoleh πΉ minimal harus diketahui satu titik harga hubungan π‘
dan πΆπ(π‘). Apabila diketahui πΆππππ₯ manusia pada dosis π·ππ dicapai pada waktu
ππππ₯ , diperoleh persamaan:
πΉ =πΆππππ₯ ππ ππππ β π
ππππ π·ππ (πβπππππ₯ β πβππππ ππππ₯ ) (Pers. 93)
23
Dengan cara yang sama juga diperoleh model persamaan penetapan πΉ pada model
2 kompartemen:
πΉ =πΆππππ₯ ππ/ππππ π·ππ
π21βπΌ
ππππ βπΌ π½βπΌ πβπΌππππ₯ +
π21βπ½
ππππ βπ½ πΌβπ½ πβπ½ππππ₯ β
ππππ βπ21
ππππ βπΌ ππβπ½ πβππππ ππππ₯
(Pers. 94)
Parameter intravena πΎ dan ππ pada model 1 kompartemen, atau πΌ, π½, dan ππ
pada model 2 kompartemen bersaman dengan nilai πΉ dan πΎπππ digunakan untuk
membuat model per-oral menggunakan (Pers. 3) dan (Pers. 4). Hasil pengerjaan
dengan βMetode 2β ditunjukkan pada tabel dibawah ini.
2.6. Prediksi Tetapan Laju Absorbsi
Model untuk prediksi πΎπππ telah dilakukan pada beberapa penelitian. Salah
satunya, dengan melakukan model komputasional prediksi πΎπππ menggunakan
parameter fisikokimia obat/senyawa. Model terbaik yang mendekati harga πΎπππ
22 obat yang diabsorbsi melalui difusi pasif (Linnankoski et al., 2006), yaitu:
log πΎπππ = 0,623 + 0,154 β log π·6,0 β 0,007 β πππ΄ (Pers. 95)
dimana π·6,0 dan πππ΄ berturut-turut adalah koefisien distribusi pada pH 6,0 dan
luas permukaan polar molekul obat.
πΎπππ juga dapat ditentukan dari ππππ₯ . Model 1 kompartemen memliki
formula penetapan ππππ₯ , yaitu: ππππ₯ =ln (πΎπππ βπΎ)
πΎπππ βπΎ. Nilai πΎ sudah tersedia pada
masing-masing model intravena, namun pemecahan aljabar model matematika
untuk menghasilkan persamaaan penetapan πΎπππ sulit dilakukan. Untuk
memecahkan masalah ini peneliti memanfaatkan software Micromath Scientist
24
2.0. dengan memasukkan formula ππππ₯ =ln (πΎπππ βπΎ)
πΎπππ βπΎ kedalam skrip model
software, kemudian menginput nilai πΎ dan ππππ₯ manusia untuk memprediksi
πΎπππ .
Hasil penelusuran pustaka menunjukkan belum ada model matematis untuk
penetapan ππππ₯ pada model 2 kompartemen. Strategi penyelesaian masalah ini
dikerjakan dengan menggunakan prinsip diferensial model matematika.ππππ₯
merupakan waktu capai kadar puncak pada persamaan kadar plasma sebagai
fungsi waktu. Sehingga model turunan pertama persamaan kadar plasma sebagai
fungsi waktu model 2 kompartemen akan memberikan harga 0 pada ππππ₯ (slope
kurva sama dengan 0 pada puncak kurva kadar plasma sebagai fungsi waktu
model 2 kompartemen). Sehingga terlebih dahulu ditetapkan model persamaan
turunan pertama kadar plasma-waktu:
πΆπ π‘ =πππΉπ·ππ
ππ
π21βπΌ
ππβπΌ π½βπΌ πβπΌπ‘ +
π21βπ½
ππβπ½ πΌβπ½ πβπ½π‘ β
ππβπ21
ππβπΌ ππβπ½ πβππ π‘
ππΆπ π‘
ππ‘=
πππΉπ·ππ
ππ
π21βπΌ
ππβπΌ π½βπΌ
π
ππ‘πβπΌπ‘ +
π21βπ½
ππβπ½ πΌβπ½
π
ππ‘πβπ½π‘ β
ππβπ21
ππβπΌ ππβπ½
π
ππ‘πβππ π‘
ππΆπ π‘
ππ‘=
πππΉπ·ππ
ππ β
πΌ π21βπΌ πβπΌπ‘
ππβπΌ π½βπΌ β
π½ π21βπ½ πβπ½π‘
ππβπ½ πΌβπ½ +
ππ ππβπ21 πβππ π‘
ππβπΌ ππβπ½
Pada waktu ππππ₯ harga ππΆπ π‘
ππ‘= 0. Sehingga diperoleh persamaan:
πΌ π21 β πΌ πβπΌππππ₯
ππ β πΌ π½ β πΌ +
π½ π21 β π½ πβπ½ππππ₯
ππ β π½ πΌ β π½ β
ππ ππ β π21 πβππππππ₯
ππ β πΌ ππ β π½ = 0 (Pers. 96)
Persamaan tersebut kemudian dimanfaatkan untuk membuat skrip model pada
software Micromath Scientist 2.0. dengan menginput nilai πΌ, π½, πΎ21 , dan ππππ₯
manusia untuk memprediksi πΎπππ .
25
2.7. Kompilasi Data Farmakokinetika Andrografolid Pre-klinik
2.7.1. Data Farmakokinetika Andrografolid pada Tikus
Data digunakan, yaitu parameter farmakokinetika andrografolid tikus
dengan BW 200Β±20 gram diberikan secara intravena. Parameter farmakokinetika
andrografolid pada tikus meliputi: K 0,62Β±0,33 jam-1
; AUC0-β 8,34Β±3,70
Β΅g.jam/mL; Cl 0,29Β±0,16 mL/menit (Panossian et al., 2000).
Selain profil intravena, juga diperlukan data parameter farmakokinetika dari
profil per-oral guna membuat model alometri Cl/F dan Cpmax antar spesies.
Parameter dihasilkan dari pemberian tablet andrografolid pada tikus dosis 10
mg/kg BW: AUC0-β 348,75Β±24,41; K (6,78Γ10-3
)Β±(3,53Γ10-4
) menit-1
; Tmax
59,69Β±3,61 menit; dan Cpmax 1,62Β±0,11 Β΅g/mL (Suo et al., 2007).
2.7.2. Data Farmakokinetika Andrografolid pada Kelinci
Farmakokinetika andrografolid diberikan dalam bentuk tablet secara per-
oral pada Kelinci diperoleh data parameter dan profil farmakokinetika berikut:
Tabel 2.1. Parameter farmakokinetika andrografolid pada kelinci yang diberikan
secara per-oral (Du et al., 2012)
Parameter Nilai
BW (g) 250-300
Dosis (mg/kg BB) 40
AUC0-7 (Β΅g.menit/mL) 877,37Β±93,21
Tmax (menit) 61,04Β±8,64
Kabs (menit-1) 0,04Β±0,00
T1/2 (menit-1) 17,27Β±0,13
MRT0-β 2,70Β±0,15
26
Gambar 2.1. Profil kadar andrografolid dalam plasma tiap waktu pada kelinci (Du
et al., 2012)
Berdasarkan data publikasi Sermkaew et al., (2013) dilakukan studi
bioavailabilitas andrografolid secara per-oral dari ekstrak etanol Andrographis
paniculata pada kelinci (2,5 kg). Data digunakan, yaitu data profil kadar
andrografolid plasma tiap waktu pada pemberian secara per-oral dengan dosis 35
mg/kg BW, serta kadar andrografolid pada 1,5 jam setelah pemberian tunggal,
yaitu 0,8Β±0,05 Β΅g/mL. Berikut profil kadar andrografolid tiap waktu pada
pemberian sediaan oral pada kelinci.
Gambar 2.2. Profil kadar andrografolid dalam plasma tiap waktu pada kelinci
(Sermkaew et al., 2013)
27
2.7.3. Data Farmakokinetika Andrografolid pada Anjing
Sediaan tablet pemberian dosis tunggal secara per-oral mengandung 49,5
mg andrografolid pada anjing (BW 9,0Β±0,5 kg) menghasilkan profil kadar
plasma-waktu sebagai berikut:
Gambar 2.3. Profil kadar andrografolid dalam plasma tiap waktu pada anjing (Xu
et al., 2015)
Parameter farmakokinetika dihasilkan meliputi: Tmax 1,30Β±0,57 jam; Cmax
209,40Β±64,45 ng/mL; AUC0-β 525,29Β±196,39 ng.jam/mL; waktu paruh 2,08Β±0,99
jam; Vc/F 300,06Β±74,85 L; dan Cl/F 106,42Β±43, 46 liter/jam (Xu et al., 2015).
2.8. Kompilasi Data Farmakokinetika pada Manusia
Pemberian tablet andrografolid (tunggal) dengan dosis 200 mg per tablet
secara oral menghasilkan profil kadar andrografolid plasma tiap waktu sebagai
berikut (Xu et al., 2009):
28
Gambar 2.4. Profil kadar andrografolid dalam plasma tiap waktu pada manusia
(Xu et al., 2009)
2.9. Sifat Fisikokimia Andrografolid
Sifat fisikokimia andrografolid merupakan parameter penting terhadap
beberapa jenis metode prediksi parameter farmakokinetika manusia.
Andrografolid merupakan senyawa aktif dari Andrographis paniculata dengan
rumus molekul C20H30O5 dan bobot molekul 350,449 Da. Struktur andrografolid
memiliki 5 atom penerima ikatan intermolekular hidrogen (hydrogen bond
acceptor) (Levita et al., 2010). Fraksi andrografolid terikat protein secara in vitro
menggunakan serum albumin manusia adalah sebesar 55% (Panossian et al.,
2000). Parameter koefisien distribusi andrografolid memiliki harga log π· pada pH
5,5 dan 7,4, yaitu 1,90. Luas daerah polar pada permukaan molekul andrografolid
(polar surface area) sebesar 86,99 Γ 2
(ACD/Labs, 2013).
Harga ππππ (apparent permeability) andrografolid diperoleh sebesar 254,165
nm/s menggunakan software Qikprop-Schrodinger, USA (Devendar et al., 2015).
Berdasarkan percobaan eksperimental, harga ππππ andrografolid dihasilkan
sebesar 1,14Γ10-5
cm/s (Ye et al., 2011).
29
2.10. Data Fisiologis Spesies Hewan dan Manusia
Untuk penelitian prediksi farmakokinetika pada manusia, data yang
diperlukan dari spesies hewan dan manusia diantaranya: berat badan (BW),
potensi umur maksimal (MLP), berat organ otak (BrW) dan laju alir hepatik (Q).
BW masing-masing hewan dapat diperoleh berdasarkan data bobot pada publikasi
data farmakokinetika digunakan.
Tabel 2.2. Data fisiologis dari mencit, tikus, kelinci, monyet, anjing, dan manusia
(Foster et al., 1983; Crispens, 1975; Fisevora-Bergerova and Hughes,
1983; Weisbroth et al., 1974; Mibby and Altman, 1976; Forsyth,
1968; Fox, 1964; ICRP, 1975; Davies and Morris, 1993).
Spesies BW (kg) BrW (g) MLP (tahun) Q (mL/menit)
Mencit 0,02 0,36 3,3 1,8
Tikus 0,25 1,8 4,7 13,8
Kelinci 2,5 14 20 177
Monyet 5 90 22 218
Anjing 10 80 15 309
Manusia 70 1400 93 1450